moondream

Moondream: Moondream 3 Preview

Moondream 3 Preview — предварительная версия vision-language модели для работы с изображениями. Она отвечает на вопросы об изображениях, составляет подписи, распознаёт текст и выполняет задачи на визуальное рассуждение. Модель использует архитектуру mixture-of-experts: всего в ней 9 млрд параметров, из которых активны 2 млрд. Контекст составляет 32K токенов; также предусмотрен опциональный режим рассуждения.